MLPRegressor 给出非常负的分数答案

【问题标题】：MLPRegressor gives very negative scoresMLPRegressor 给出非常负的分数
【发布时间】：2020-01-09 02:56:19
【问题描述】：

我是机器学习的新手，我正在使用 MLPRegressor。我用

拆分我的数据

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

然后我制作并拟合模型，对测试集使用 10 倍验证。

nn = MLPRegressor(hidden_layer_sizes=(100, 100), activation='relu',
                     solver='lbfgs', max_iter=500)

nn.fit(X_train, y_train)

TrainScore = nn.score(X_train, y_train)

kfold = KFold(n_splits=10, shuffle=True, random_state=0)
        print("Cross-validation scores:\t{} ".format(cross_val_score(nn, X_test, y_test, cv=kfold)))
        av_corss_val_score = np.mean(cross_val_score(nn, X_test, y_test, cv=kfold))
        print("The average cross validation score is: {}".format(av_corss_val_score))

问题是我收到的测试分数很负（-4256）。可能有什么问题？

【问题讨论】：

好吧，我认为这种类型的问题之前问过this link that might help you

标签： machine-learning scikit-learn mlp

【解决方案1】：

为了保持语法相同，sklearn 最大化每个指标，无论是分类准确率还是回归 MSE。因此，目标函数定义为正数越多越好，负数越多越好。因此，更偏向于负的 MSE。

继续说明为什么它在您的情况下可能如此消极，这可能主要是由于两件事：过度拟合或欠拟合。 There are tonnes of resources out there to help you from this point forward.

【讨论】：